【TensorFlow】Tensor情報の確認方法

Googleによって開発されている機械学習ライブラリであるTensorFlowで、Tensor（テンソル）の情報を確認する方法を解説します。

Contents

1 Tensorの情報の確認方法
2 まとめ

Tensorの情報の確認方法

TensorFlowで使用するTensorには型等の各種情報があり、簡単に参照することができます。Tensorの情報について確認する方法を紹介します。

Tensorの型を確認する dtype

Tensorの型を確認する場合には、以下のようにdtypeプロパティを確認します。

import tensorflow as tf

tensor = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# Tensorの型を確認する dtype
print(tensor, "\n")
print(tensor.dtype)

【実行結果】
tf.Tensor(
[[1 2 3]
 [4 5 6]
 [7 8 9]], shape=(3, 3), dtype=int32) 

<dtype: 'int32'>

Tensorの要素数を確認する tf.size

Tensorの要素数を確認する場合、sizeというプロパティはないため以下のようにtf.size関数を使用して確認します。

import tensorflow as tf

tensor = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# Tensorの要素数を確認する tf.size
print(tensor, "\n")
print(tf.size(tensor))

【実行結果】
tf.Tensor(
[[1 2 3]
 [4 5 6]
 [7 8 9]], shape=(3, 3), dtype=int32) 

tf.Tensor(9, shape=(), dtype=int32)

Tensorの形状を確認する shape

Tensorの形状を確認する場合には、以下のようにshapeプロパティを確認します。

import tensorflow as tf

tensor = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# Tensorの形状を確認する shape
print(tensor, "\n")
print(tensor.shape)

【実行結果】
tf.Tensor(
[[1 2 3]
 [4 5 6]
 [7 8 9]], shape=(3, 3), dtype=int32) 

(3, 3)

Tensorの階数を確認する ndim

Tensorの階数を確認する場合には、以下のようにndimプロパティを確認します。

import tensorflow as tf

tensor = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# Tensorの次元数を確認する ndim
print(tensor, "\n")
print(tensor.ndim)

【実行結果】
tf.Tensor(
[[1 2 3]
 [4 5 6]
 [7 8 9]], shape=(3, 3), dtype=int32) 

2

まとめ

Googleによって開発されている機械学習ライブラリであるTensorFlowで、Tensor（テンソル）の情報を確認する方法を紹介しました。

dtype：Tensorの型を確認する
tf.size：Tensorの要素数を確認する（プロパティは持っていないため関数で確認）
shape：Tensorの形状を確認する
ndim：Tensorの階数を確認する

TensorFlowを用いたプログラミングでは、演算におけるTensorがどういったものかをよく考えてプログラミングする必要があります。Tensor情報は随時確認しながらプログラミングをする必要があるため、使い方をしっかり覚えておきましょう。

ソースコード

上記で紹介しているソースコードについてはgithubにて公開しています。参考にしていただければと思います。

「Pythonによるディープラーニング」はTensorFlow/Kerasの中～上級者向けの本ですが非常におすすめできる書籍です。CNN, RNN, Transformer, GAN等高度なモデルも扱っており面白く、TensorFlow/Kerasの実装力をつけることができますので是非読んでみてもらえるといいと思います。